●第2版譯者序
第1版譯者序
前言
致謝
第1章 回顧
1.1 數學記號
1.2 Taylor定理和數學極限理論
1.3 統計記號和概率分布
1.4 似然推斷
1.5 貝葉斯推斷
1.6 統計極限理論
1.7 馬氏鏈
1.8 計算
第一部分 優化
第2章 優化與求解非線性方程組
2.1 單變量問題
2.1.1 Newton法
2.1.2 Fisher得分法
2.1.3 正割法
2.1.4 不動點迭代法
2.問題
2.2.1 Newton法和Fisher得分法
2.2.2 類Newton法
2.2.3 Gauss-Newton法
2.2.4 Nelder-Mead算法
2.2.5 非線性Gauss-Seidel迭代法
習題
第3章 組合優化
3.1 難題和NP完備性
3.1.1 幾個例子
3.1.2 需要啟發式算法
3.2 局部搜索法
3.3 模擬退火
3.3.1 幾個實踐問題
3.3.2 強化
3.4 遺傳算法
3.4.1 定義和典則算法
3.4.2 變化
3.4.3 初始化和參數值
3.4.4 收斂
3.5 禁忌算法
3.5.1 基本定義
3.5.2 禁忌表
3.5.3 期望準則
3.5.4 多樣化
3.5.5 強化
……
第二部分 積分和模擬
第三部分 Bootstrapping
第四部分 密度估計和光滑方法
數據致謝
參考文獻
索引

本書提供統計計算理論和實踐的接近指南。第2版涵蓋了現代和經典統計的大部分論題，包括優化、積分、蒙特卡洛方法、自助法、密度估計和光滑。不但從概念上通過逐步描述解釋算法，並且通過例子和習題進行詳細地闡述。
第2版重要的特點包括：
例子來自於各個領域的實際應用，包括遺傳學、生態學、經濟學、網絡繫統、生物學和藥學。
解釋了為什麼計算方法是大多數統計方法的重要組成部分，比如貝葉斯模型、線性和廣義線性模型、隨機效應模型、生存模型和隱馬爾科夫模型。
進一步擴展覆蓋了馬爾科夫鏈蒙特卡洛方法。
增加新的論題，比如序貫抽樣方法、粒子濾波、無梯度優化、基於數據的自助法和蒙特卡洛方法。
新的習題和例子能幫助讀者訓練應用計算方法解決眾多領域內統計問題的能力。
本書的網站給出了R語言擴展包並提供了數據和代碼。
本書非常適合作為高年級本科生等